對于醫療AI來說，現在依然處于高投入階段。拿最簡單的人力成本舉例，目前對于絕大多數醫療AI企業來說，從算法、產品、工程，到運營、商務，各個部門的人員幾乎都是“頂配”。此外，醫療AI企業在前期收集數據、研發產品以及后續的商務銷售過程中也需要投入較多成本，圖瑪深維創始人鐘昕表示，往往研發一個醫療AI產品的成本，至少需要數百萬元，開發周期達6-12個月。

　　在不斷投入高昂成本的同時，醫療AI現階段并沒有實現合理的營收。

　　過去一段時間，市場孕育了一些可供未來參考的收費模式。比如：第三方影像中心大多采用按使用次數收費的模式，一些醫院大多使用一次性買斷產品的付費模式。

　　但由于行業尚處于發展早期，目前醫療AI產品大多是不收費的，即便收費也是向B端的醫療機構收費，并非是向C端的患者用戶收費。

　　2018年8月中旬，浙江大學醫學院附屬邵逸夫醫院率先就人工智能相關產品開放收費目錄，文件中標明“（特需）人工智能輔助多學科疑難病聯合診治，6500元/次”。青島、遼寧等地區緊隨其后，也將部分人工智能服務加入收費目錄。醫院方已經在這一年作出了巨大的突破。

　　不少業內人士表示，這些收費模式主要是針對“會診”收費，并非針對人工智能收費。不過，也有人認為，這樣的商業模式目前并沒有為企業帶來系統的營收，對陷入資金饑渴中的企業來說，不過是杯水車薪。

　　“小而美”的賽道

　　跟其他新興產業一樣，這是AI進入醫療領域必經的陣痛。只是恰逢資本市場的嚴冬，使前行之路變得格外困難。但大批行業人士仍看好其發展前景，并在更大范圍內探索AI醫療應用的可能性。

　　一些企業開始嘗試開發一些覆蓋其他病種的產品。

　　“不要擠到一片紅海中去。”道彤投資創始管理合伙人孫琦告訴八點健聞，做醫療AI產品，首先要選一個差異化賽道。他提到，比如道彤投資的蘭丁醫學是用AI做病理分析，美國一些企業是用AI做藥物研發，這些都是不錯的賽道。

　　實際上，醫學影像的市場需求遠不止于肺結節及糖網篩查。

　　腫瘤、心血管病等占據死亡率前列的疾病，對醫療AI也提出需求。在IBM創新實驗室浸淫十年的馬春娥，在離開IBM后選擇繼續深耕醫療AI。

　　2017年6月，馬春娥創立了數坤科技。然而她并沒有像大多數企業一樣從肺結節入手，而是選擇從難度更大的心血管領域切入產業。

　　“一方面，與肺癌、肺結節等疾病不同，心血管疾病的診斷流程更加復雜，心臟CT圖像需要首先經過復雜的三維重建，之后診斷醫生根據三維重建的圖診斷出血管的起源、走形、血管壁的斑塊、管腔狹窄等情況。另一方面，心血管疾病的公開數據集比較少，收集數據就是一個很大的難題了，此外也沒有什么開源模型，起步就很難。”馬春娥說。

　　難度雖然大，但數坤科技卻相信選擇“偏門”的道理。目前，數坤已推出全球首個針對心血管疾病的人工智能診斷產品，并已進入臨床診斷全流程，即能夠將影像智能后處理、AI疾病診斷與AI報告與打印全流程打通。在馬春娥看來，由于研究的病種類似、產品同質化程度高、業務集中度高，未來將會有蹭熱點的偽醫療AI公司消失或關掉AI部門。AI醫療正從狂熱期轉向冷靜期，這會讓業務模式更清晰的企業浮出水面。

　　騰訊優圖實驗室也選中了一個小而美的賽道。他們的一個產品是將超聲AI研究首先應用到乳腺腫瘤篩查上。實驗室醫療負責人鄭冶楓告訴八點健聞，優圖實驗室選擇布局的病種有兩個原則，首先，這個病種是可以基于影像進行診斷的。其次，這個病種對于人工智能的需求要是比較迫切的，比如發病率極高、需要提高篩查效率等。

　　以乳腺癌為例。目前，乳腺癌已經成為中國女性發病率第一高的疾玻根據2018年中國癌癥統計報告顯示，2014年中國女性乳腺癌年新發病例約27.89萬例，占女性全部惡性腫瘤發病的16.51%。定期做乳腺檢查，是預防乳腺癌最有效的方式，乳腺癌發現越早，治療效果越好。

　　常見的兩種乳腺癌篩查影像檢查方式一是鉬靶X光，另一種就是超聲。由于歐美女性脂肪較多，更適用于鉬靶檢查，可以清晰地發現脂肪中的腫瘤。但是中國女性的乳腺大多屬于纖維型，脂肪不多，因此鉬靶不容易發現腫瘤。相反，這種情況就更適用于超聲檢查。

　　“正因如此，超聲已經成為現在中國比較推薦的篩查手段，而我們也選擇將人工智能技術運用到超聲檢測當中。”鄭冶楓提到，較之鉬靶X光，超聲沒有放射性，對身體損害比較小，價格也比較便宜。

　　鐘昕則表示，對于醫療AI來說，每一個病種的市場規模都在數十億元以上，并不“小”。他提到，“如果垂直賽道的產品真的能解決問題，能夠提升醫療服務能力和效率，并且做的較有特色，就會有很大的機會?！?/p>